Bayesian Knowledge Tracing è un algoritmo utilizzato in molti sistemi di tutoraggio intelligente per modellare la padronanza di ciascun allievo della conoscenza che viene insegnata. Modella la conoscenza degli studenti in un modello di Markov nascosto come una variabile latente, aggiornata osservando la correttezza dell’interazione di ogni studente in cui applica l’abilità in questione. BKT presuppone che la conoscenza dello studente sia rappresentata come un insieme di variabili binarie, una per abilità, in cui l’abilità è o padroneggiata dallo studente o meno. Anche le osservazioni in BKT sono binari: uno studente ha un problema / passaggio sia giusto che sbagliato. I sistemi di tutoraggio intelligenti utilizzano spesso BKT per l’apprendimento della padronanza e il sequenziamento dei problemi. Nella sua implementazione più comune, BKT ha solo parametri specifici per le abilità.

Ci sono 4 parametri del modello usati in BKT: * è impostato sul parametro p-init per quell’equazione delle abilità (a). A seconda dell’equazione studentesca (c):

* Teoria dello spazio della conoscenza